JoVE Journal > Neuroscience
Summary
Abstract
Introduction
Protocol
Results
Discussion
Disclosures
Acknowledgements
Materials
References
Automatic Translation
Please note that all translations are automatically generated. Click here for the English version.
Neuroscience

Echtzeit-fMRT-Kartierung des Gehirns bei Tieren

Published: September 24, 2020
doi:
10.3791/61463
, , , , , , ,
1Max Planck Institute for Biological Cybernetics, 2Graduate Training Centre of Neuroscience, 3MGH/MIT/HMS Athinoula A. Martinos Center for Biomedical Imaging, Department of Radiology, Harvard Medical School,Massachusetts General Hospital, 4Bruker BioSpin

Summary

Die funktionelle Kartierung des Tiergehirns kann vom Versuchsaufbau der funktionellen Magnetresonanztomographie (fMRT) in Echtzeit profitieren. Mit der neuesten Software, die im Tier-MRT-System implementiert ist, haben wir eine Echtzeit-Überwachungsplattform für die fMRT von Kleintieren eingerichtet.

Abstract

Dynamische fMRT-Reaktionen variieren stark in Abhängigkeit von den physiologischen Bedingungen der Tiere entweder unter Narkose oder im Wachzustand. Wir haben eine Echtzeit-fMRT-Plattform entwickelt, um Experimentatoren dabei zu helfen, fMRT-Reaktionen sofort während der Aufnahme zu überwachen, die verwendet werden kann, um die Physiologie von Tieren zu modifizieren, um die gewünschten hämodynamischen Reaktionen im Tiergehirn zu erreichen. Der Echtzeit-fMRT-Aufbau basiert auf einem präklinischen 14,1-T-MRT-System, das die Echtzeit-Kartierung dynamischer fMRT-Reaktionen im primären somatosensorischen Vorderpfotenkortex (FP-S1) von anästhesierten Ratten ermöglicht. Anstelle einer retrospektiven Analyse zur Untersuchung von Störquellen, die zur Variabilität von fMRT-Signalen führen, bietet die Echtzeit-fMRT-Plattform ein effektiveres Schema zur Identifizierung dynamischer fMRT-Reaktionen mit benutzerdefinierten Makrofunktionen und einer gemeinsamen Neurobildanalyse-Software im MRT-System. Darüber hinaus bietet es eine sofortige Fehlerbehebung und ein Echtzeit-Biofeedback-Stimulationsparadigma für Gehirnfunktionsstudien an Tieren.

Introduction

Die funktionelle Magnetresonanztomographie (fMRT) ist eine nicht-invasive Methode zur Messung der hämodynamischen Reaktionen 1,2,3,4,5,6,7,8,9, z. B. des Blutsauerstoffspiegel-abhängigen (BOLD), des zerebralen Blutvolumens und des Flusssignals, die mit der neuronalen Aktivität im Gehirn verbunden sind. In tierexperimentellen Studien können hämodynamische Signale durch die Anästhesie 10, das Stressniveau wacher Tiere11 sowie die potenziellen nicht-physiologischen Artefakte, z. B. Herzpulsation und Atembewegungen 12, 13, 14, 15, beeinflusst werden. Obwohl viele Post-Processing-Methoden entwickelt wurden, um eine retrospektive Analyse des fMRT-Signals für die aufgabenbezogene und ruhende funktionelle Dynamik und Konnektivitätskartierung16,17,18,19 zu ermöglichen, gibt es nur wenige Techniken, um eine Echtzeit-Lösung für die Kartierung der Gehirnfunktion und sofortige Auslesungen im Tiergehirnbereitzustellen 20 (von denen die meisten hauptsächlich für die Kartierung des menschlichen Gehirns verwendet werden 21). 22,23,24,25,26,27). Insbesondere fehlt diese Art von Echtzeit-fMRT-Mapping-Methode in Tierversuchen. Es ist notwendig, eine fMRT-Plattform einzurichten, um die Untersuchung von Echtzeit-Gehirnzustands-abhängigen physiologischen Stadien zu ermöglichen und ein Echtzeit-Biofeedback-Stimulationsparadigma für tierische Gehirnfunktionsstudien bereitzustellen.

In der vorliegenden Arbeit veranschaulichen wir einen Echtzeit-fMRT-Versuchsaufbau mit den kundenspezifischen Makrofunktionen der MRT-Konsolensoftware, der die Echtzeitüberwachung der evozierten BOLD-fMRT-Reaktionen im primären somatosensorischen Vorderpfotenkortex (FP-S1) der anästhesierten Ratten demonstriert. Dieser Echtzeit-Aufbau ermöglicht die Visualisierung der laufenden Gehirnaktivierung in funktionellen Karten sowie in individuellen Zeitverläufen voxelweise unter Verwendung der bestehenden Neurobild-Analysesoftware Analysis of Functional NeuroImages (AFNI)28. Die Vorbereitung des Echtzeit-fMRT-Versuchsaufbaus für die Tierstudie ist im Protokoll beschrieben. Neben dem Aufbau der Tiere bieten wir detaillierte Verfahren an, um die Visualisierung und Analyse der Echtzeit-fMRT-Signale mit der neuesten Konsolensoftware parallel zu den Bildverarbeitungsskripten einzurichten. Zusammenfassend lässt sich sagen, dass der vorgeschlagene Echtzeit-fMRT-Aufbau für Tierstudien ein leistungsfähiges Werkzeug zur Überwachung der dynamischen fMRT-Signale im Tiergehirn mit dem MRT-Konsolensystem ist.

Protocol

Diese Studie wurde in Übereinstimmung mit dem Tierschutzgesetz (TierSchG) und der Tierschutz-Versuchstierverordnung (TierSchVersV) durchgeführt. Das hier beschriebene Versuchsprotokoll wurde von der Ethikkommission (§15 TierSchG) geprüft und von der Landesbehörde (Regierungspräsidium Tübingen, Baden-Württemberg, Deutschland) genehmigt. 1. Vorbereitung des BOLD-fMRT-Versuchsaufbaus für Kleintierversuche 2. Katheter- und Beatmungschirurgie Ri…

Representative Results

Abbildung 3 und Abbildung 4 zeigen einen repräsentativen voxelweisen Echtzeit-BOLD-fMRT-Zeitverlauf und funktionelle Karten mit elektrischer Vorderpfotenstimulation (3 Hz, 4 s, Pulsbreite 300 us, 2,5 mA). Das fMRT-Design-Paradigma umfasst 10 Prästimulationsscans, 3 Stimulationsscans und 12 Interstimulationsscans mit insgesamt 8 Epochen (130 Scans). Die gesamte Scanzeit beträgt 3 min 15 sec (195 sec). Abbildung 3 zeigt den voxelwe…

Discussion

Die Echtzeitüberwachung des fMRT-Signals hilft den Experimentatoren, die Physiologie der Tiere anzupassen, um die funktionelle Kartierung zu optimieren. Bewegungsartefakte bei wachen Tieren sowie die anästhetische Wirkung sind wichtige Faktoren, die die Variabilität von fMRT-Signalen vermitteln und die biologische Interpretation des Signals an sich verwirren 31,32,33,34,35,36,37,38 </su…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Wir danken Dr. D. Chen und Dr. C. Yen für die Bereitstellung des AFNI-Skripts zur Einrichtung der Echtzeit-fMRT für PV 5 und dem AFNI-Team für die Softwareunterstützung. Diese Forschung wurde durch die Förderung der NIH Brain Initiative (RF1NS113278-01, R01 MH111438-01) und den S10-Instrumentenzuschuss (S10 RR023009-01) an das Martinos Center, die Deutsche Forschungsgemeinschaft (DFG) Yu215/3-1, das BMBF 01GQ1702 und die interne Förderung der Max-Planck-Gesellschaft unterstützt.

Materials

14.1T Bruker MRI system Bruker BioSpin MRI GmbH N/A
A365 Stimulus Isolator World Precision Instruments N/A
AcqKnowledge Software Biopac RRID:SCR_014279, http://www.biopac.com/product/acqknowledge-software/
AFNI Cox, 1996 RRID:SCR_005927, http://afni.nimh.nih.gov
CO2SMO (ETCO2/SpO2 Monitor), Model 7100 Novametrix Medical Systems Inc N/A
Isoflurane CP-Pharma Cat# 1214
Master-9 A.M.P.I N/A
Nanoliter Injector World Precision Instruments Cat# NANOFIL
Pancuronium Bromide Inresa Arzneimittel Cat# 34409.00.00
ParaVision 6 Bruker BioSpin MRI GmbH RRID:SCR_001964
Phosphate Buffered Saline (PBS) Gibco Cat# 10010-023
Rat: Sprague Dawley rat Charles River Laboratories Crl:CD(SD)
SAR-830/AP Ventilator CWE N/A
α-chloralose Sigma-Aldrich Cat# C0128-25G;RRID
DOWNLOAD MATERIALS LIST

References

  1. Ogawa, S., Lee, T. M., Kay, A. R., Tank, D. W. Brain magnetic resonance imaging with contrast dependent on blood oxygenation. Proceedings of the National Academy of Sciences U.S.A. 87 (24), 9868-9872 (1990).
  2. Belliveau, J. W., et al. Functional mapping of the human visual cortex by magnetic resonance imaging. Science. 254 (5032), 716-719 (1991).
  3. Stehling, M. K., Turner, R., Mansfield, P. Echo-planar imaging: magnetic resonance imaging in a fraction of a second. Science. 254 (5028), 43-50 (1991).
  4. Bandettini, P. A., Wong, E. C., Hinks, R. S., Tikofsky, R. S., Hyde, J. S. Time course EPI of human brain function during task activation. Magnetic Resonance in Medicine. 25 (2), 390-397 (1992).
  5. Kwong, K. K., et al. Dynamic magnetic resonance imaging of human brain activity during primary sensory stimulation. Proceedings of the National Academy of Science U. S. A. 89 (12), 5675-5679 (1992).
  6. Ogawa, S., et al. Intrinsic signal changes accompanying sensory stimulation: functional brain mapping with magnetic resonance imaging. Proceedings of the National Academy of Science U. S. A. 89 (13), 5951-5955 (1992).
  7. Biswal, B., Yetkin, F. Z., Haughton, V. M., Hyde, J. S. Functional connectivity in the motor cortex of resting human brain using echo-planar MRI. Magnetic Resonance in Medicine. 34 (4), 537-541 (1995).
  8. Logothetis, N. K. What we can do and what we cannot do with fMRI. Nature. 453 (7197), 869-878 (2008).
  9. Kim, S. G., Ogawa, S. Biophysical and physiological origins of blood oxygenation level-dependent fMRI signals. Journal of Cerebral Blood Flow and Metabolism. 32 (7), 1188-1206 (2012).
  10. Peltier, S. J., et al. Functional connectivity changes with concentration of sevoflurane anesthesia. Neuroreport. 16 (3), 285-288 (2005).
  11. Dopfel, D., Zhang, N. Mapping stress networks using functional magnetic resonance imaging in awake animals. Neurobiology of Stress. 9, 251-263 (2018).
  12. Hu, X. P., Le, T. H., Parrish, T., Erhard, P. Retrospective Estimation and Correction of Physiological Fluctuation in Functional Mri. Magnetic Resonance in Medicine. 34 (2), 201-212 (1995).
  13. Birn, R. M. The role of physiological noise in resting-state functional connectivity. Neuroimage. 62 (2), 864-870 (2012).
  14. Caballero-Gaudes, C., Reynolds, R. C. Methods for cleaning the BOLD fMRI signal. Neuroimage. 154, 128-149 (2017).
  15. Pais-Roldan, P., Biswal, B., Scheffler, K., Yu, X. Identifying Respiration-Related Aliasing Artifacts in the Rodent Resting-State fMRI. Frontiers in Neuroscience. 12, 00788 (2018).
  16. Glover, G. H., Li, T. Q., Ress, D. Image-based method for retrospective correction of physiological motion effects in fMRI: RETROICOR. Magnetic Resonance in Medicine. 44 (1), 162-167 (2000).
  17. Chang, C., Cunningham, J. P., Glover, G. H. Influence of heart rate on the BOLD signal: The cardiac response function. Neuroimage. 44 (3), 857-869 (2009).
  18. Birn, R. M., Diamond, J. B., Smith, M. A., Bandettini, P. A. Separating respiratory-variation-related neuronal-activity-related fluctuations in fluctuations from fMRI. Neuroimage. 31 (4), 1536-1548 (2006).
  19. Golestani, A. M., Chang, C., Kwinta, J. B., Khatamian, Y. B., Chen, J. J. Mapping the end-tidal CO2 response function in the resting-state BOLD fMRI signal: Spatial specificity, test-retest reliability and effect of fMRI sampling rate. Neuroimage. 104, 266-277 (2015).
  20. Lu, H. B., et al. Real-time animal functional magnetic resonance imaging and its application to neurophamacological studies. Magnetic Resonance Imaging. 26 (9), 1266-1272 (2008).
  21. Cox, R. W., Jesmanowicz, A., Hyde, J. S. Real-time functional magnetic resonance imaging. Magnetic Resonance Medicine. 33 (2), 230-236 (1995).
  22. Lee, C. C., Jack, C. R., Rossman, P. J., Riederer, S. J. Real-time reconstruction and high-speed processing in functional MR imaging. American Journal of Neuroradiology. 19 (7), 1297-1300 (1998).
  23. Voyvodic, J. T. Real-time fMRI paradigm control, physiology, and behavior combined with near real-time statistical analysis. Neuroimage. 10 (2), 91-106 (1999).
  24. Cohen, M. S. Real-time functional magnetic resonance imaging. Methods. 25 (2), 201-220 (2001).
  25. Posse, S., et al. A new approach to measure single-event related brain activity using real-time fMRI: Feasibility of sensory, motor, and higher cognitive tasks. Human Brain Mapping. 12 (1), 25-41 (2001).
  26. Decharms, R. C. Reading and controlling human brain activation using real-time functional magnetic resonance imaging. Trends in Cognitive Sciences. 11 (11), 473-481 (2007).
  27. Bruhl, A. B. Making Sense of Real-Time Functional Magnetic Resonance Imaging (rtfMRI) and rtfMRI Neurofeedback. International Journal of Neuropsychopharmacology. 18 (6), (2015).
  28. Cox, R. W. AFNI: Software for analysis and visualization of functional magnetic resonance neuroimages. Computers and Biomedical Research. 29 (3), 162-173 (1996).
  29. Liou, W. W., Goshgarian, H. G. Quantitative assessment of the effect of chronic phrenicotomy on the induction of the crossed phrenic phenomenon. Experimental Neurology. 127 (1), 145-153 (1994).
  30. Shih, Y. Y., et al. Ultra high-resolution fMRI and electrophysiology of the rat primary somatosensory cortex. Neuroimage. 73, 113-120 (2013).
  31. Masamoto, K., Kim, T., Fukuda, M., Wang, P., Kim, S. G. Relationship between neural, vascular, and BOLD signals in isoflurane-anesthetized rat somatosensory cortex. Cerebral Cortex. 17 (4), 942-950 (2007).
  32. van Alst, T. M., et al. Anesthesia differentially modulates neuronal and vascular contributions to the BOLD signal. Neuroimage. 195, 89-103 (2019).
  33. Wu, T. L., et al. Effects of isoflurane anesthesia on resting-state fMRI signals and functional connectivity within primary somatosensory cortex of monkeys. Brain and Behavior. 6 (12), 00591 (2016).
  34. Liu, X., Zhu, X. H., Zhang, Y., Chen, W. The change of functional connectivity specificity in rats under various anesthesia levels and its neural origin. Brain Topography. 26 (3), 363-377 (2013).
  35. Liu, X. P., et al. Multiphasic modification of intrinsic functional connectivity of the rat brain during increasing levels of propofol. Neuroimage. 83, 581-592 (2013).
  36. Hutchison, R. M., Hutchison, M., Manning, K. Y., Menon, R. S., Everling, S. Isoflurane induces dose-dependent alterations in the cortical connectivity profiles and dynamic properties of the brain’s functional architecture. Human Brain Mapping. 35 (12), 5754-5775 (2014).
  37. He, Y., et al. Ultra-Slow Single-Vessel BOLD and CBV-Based fMRI Spatiotemporal Dynamics and Their Correlation with Neuronal Intracellular Calcium Signals. Neuron. 97 (4), 925-939 (2018).
  38. Yoshida, K., et al. Physiological effects of a habituation procedure for functional MRI in awake mice using a cryogenic radiofrequency probe. Journal of Neuroscience Methods. 274, 38-48 (2016).

Tags

Real-time FMRIBrain MappingAnimal StudiesAFNI SoftwareEPI AcquisitionFunctional ConnectivityResting-state FMRIElectrical StimulationBold ResponseVoxel-wise Analysis
check_url/61463?article_type=t

Play Video
PDF
DOI
DOWNLOAD MATERIALS LIST
Cite This Article
Choi, S., Takahashi, K., Jiang, Y., Köhler, S., Zeng, H., Wang, Q., Ma, Y., Yu, X. Real-Time fMRI Brain Mapping in Animals. J. Vis. Exp. (163), e61463, doi:10.3791/61463 (2020).
Download Citation
Reprints and Permissions

View Video

✖

To prove you're not a robot, please enter the text in the image below

CAPTCHA Image
Play CAPTCHA Audio
Refresh Image